接口测试框架对比

原创于 2025-08-16 15:47:59 发布 · 778 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#服务器 #运维 #自动化测试 #软件测试

公司计划系统的开展接口自动化测试，需要我这边调研一下主流的接口测试框架给后端测试（主要测试接口）的同事介绍一下每个框架的特定和使用方式。后端同事根据他们接口的特点提出一下需求，看哪个框架更适合我们。

需求

1、接口编写方便。
2、方便调试接口。
3、支持数据初始化。
4、生成测试报告。
5、支持参数化。

### robot framework

优点

关键字驱动，自定义用户关键字。
支持测试日志和报告生成。
支持系统关键字开发，可扩展性好。
支持数据库操作。

缺点

接口测试用例写起来不简洁。
需要掌握特定语法。

*** Settings ***

Library RequestsLibrary

Library Collections


*** Test Cases ***

test_get_event_list # 查询发布会（GET请求）

${payload}= Create Dictionary eid=1

Create Session event http://127.0.0.1:8000/api

${r}= Get Request event /get_event_list/ params=${payload}

Should Be Equal As Strings ${r.status_code} 200

log ${r.json()}

${dict} Set variable ${r.json()}

#断言结果

${msg} Get From Dictionary ${dict} message

Should Be Equal ${msg} success

${sta} Get From Dictionary ${dict} status

${status} Evaluate int(200)

Should Be Equal ${sta} ${status}

结果：不考虑，没人愿意这么写接口用例。

###JMeter

优点

支持参数化
不需要写代码

缺点

创建接口用例效率不高。
不能生成查看每一个接口执行情况的测试报告。

总结：不考虑，接口编写不方便，最主要是不能生成测试报告，如果做接口性能的话可以考虑。

###HttpRunner

优点:

基于YAML/JSON格式，专注于接口本身的编写。
接口编写简单
生成测试报告
接口录制功能。

缺点:

没有编辑器插件对语法校验，容易出错。
官方文档没有详细的说明。
扩展不方便。

[

{

"config": {

"name": "testcase description",

"variables": [],

"request": {

"base_url": "http://127.0.0.1:5000",

"headers": {

"User-Agent": "python-requests/2.18.4"

}

}

}

},

{

"test": {

"name": "test case name",

"request": {

"url": "/api/get-token",

"headers": {

"device_sn": "FwgRiO7CNA50DSU",

"user_agent": "iOS/10.3",

"os_platform": "ios",

"app_version": "2.8.6",

"Content-Type": "application/json"

},

"method": "POST",

"date": {"sign": "958a05393efef0ac7c0fb80a7eac45e24fd40c27"}

},

"validate": [

{"eq": ["status_code", 200]},

{"eq": ["headers.Content-Type", "application/json"]},

{"eq": ["content.success", true]},

{"eq": ["content.token", "baNLX1zhFYP11Seb"]}

]

}

}]

总结：可以考虑，至于接口数据的初始化可能需要单独处理。

doc: httprunner.org

###gauge

BDD行为驱动测试框架。

优点:

行为文件与脚本文件分离，本质上实现了数据驱动。
功能强大灵活，本质上还用Python写接口用例。
自动生成测试报告。
VS Code有支持插件

缺点:

门槛略高，需要了解BDD的用法。
需要会markdworn语法

行为描述文件：

## test post request


* post "http://httpbin.org/post" interface

|key | status_code|

|------|-----------|

|value1|200 |

|value2|200 |

|value3|200 |

测试脚本：

……


@step("post <url> interface <table>")

def test_get_request(url, table):

values = []

status_codes = []

for word in table.get_column_values_with_name("key"):

values.append(word)

for word in table.get_column_values_with_name("status_code"):

status_codes.append(word)

for i in range(len(values)):

r = requests.post(url, data={"key": values[i]})

result = r.json()

assert r.status_code == int(status_codes[i])

总结：推荐使用，BDD有一定门槛，看测试人员的学些能力和接受速度。

doc: https://docs.gauge.org/latest/writing-specifications.html#special-parameter-csv

###Unittest+Request+HTMLRunner

利用现有的框架和库自己定制。

优点:

足够灵活强大: 分层测试、数据驱动、测试报告，集成CI...

缺点:

有一定的学习成本

数据文件：

{

"test_case1": {

"key": "value1",

"status_code": 200

},

"test_case2": {

"key": "value2",

"status_code": 200

},

"test_case3": {

"key": "value3",

"status_code": 200

},

"test_case4": {

"key": "value4",

"status_code": 200

}}

测试用例：

import requests

import unittest

from ddt import ddt, file_data



@ddtclass InterfaceTest(unittest.TestCase):


def setUp(self):

self.url = "http://httpbin.org/post"


def tearDown(self):

print(self.result)


@file_data("./data/test_data_dict.json")

def test_post_request(self, key, status_code):

r = requests.post(self.url, data={"key": key})

self.result = r.json()

self.assertEqual(r.status_code, status_code)

总结：推荐使用，代码相对简单，功能足够灵活。

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】